python-文本分析

################## 文本分析 #########################
import jieba
import pandas as pd
from nltk.corpus import stopwords
import numpy as np

# 分词
with open(r'C:\Users\lee\Desktop\s.txt','r',encoding='utf-8') as f:
    txt = f.read()

b = jieba.lcut(txt)

# 去停词,求差集
stopwords=[]
with open(r'C:\Users\lee\Desktop\stopwords.txt','r',encoding='utf-8') as f:
    for line in f.readlines():
        l=line.strip()
        if l =='\\n':
            l='\n'
        if l =='\\u3000':
            l='\u3000'   
        stopwords.append(l)

x= np.array(b)
y= np.array(stopwords)
z= x[~np.in1d(x,y)]

# 去掉一个字的词
k = [i for i in z if len(i)>1]

# 词频统计分析,但准确度不高
data = pd.DataFrame(k)
data[0].value_counts()[:5]

# TF-IDF,在本文出现频次高,在别人文件出现少
jieba.analyse.extract_tags(txt,topK=20, withWeight=True)

# textrank分析,一个词重不重要主要看周围的词重不重要
jieba.analyse.textrank(txt)

# 查看词性:名词、动词、形容词
list(jieba.posseg.cut(txt))

# 设置语料库
jieba.analyse.set_idf_path
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值